LAMBDA – это:
-
Наука
Ищем, разрабатываем и усовершенствуем научные методы анализа больших объемов данных, позволяющие получать качественно новые результаты для заданных предметных областей
-
Образование
Организуем и проводим регулярные семинары, локальные и международные летние школы, стажировки, форумы, ведем бакалаврские и магистерские работы, помогая студентам делать первые шаги в их исследованиях
-
Индустрия
Проводим консалтинг и экспертизу, оптимизируем производственные процессы, решаем задачи для бизнеса, помогая партнерам оставаться лидерами рынка
Команда
Лаборатория в цифрах
-
-
65+
образовательных курсов
-
150+
статей
-
-
-
35+
сотрудников
-
7
лауреатов стипендии им. Сегаловича
-
7
аспирантов
-
Партнеры
Новости
-
-
-
-
В НИУ ВШЭ обсудили глобальные тренды ИИ на международной форсайт-сессии
15 сентября, 2025 г.
Публикации
-
Книга
-
Статья
Database of tensile test results of carbon fibers impregnated with thermoplastic polymer.
В данном исследовании представлен исчерпывающий набор экспериментальных данных, направленных на выявление механизмов и закономерностей, определяющих деформационное поведение композитов, армированных непрерывными углеродными волокнами (УВ) на основе термопластичных полимеров. В работе описаны методы извлечения данных, которые впоследствии могут быть использованы для оптимизации механических свойств таких структур с помощью моделей нейронных сетей. В данной статье рассматривается термопластичный полимер полисульфон (ПСУ) марки Ultrason S 2010, который использовался в качестве матричного материала для композитов, а в качестве армирующих волокон использовались высокопрочные волокна Toray T700SC. Образцы композита в виде стержней диаметром 1 мм были получены путем пропитки волокон раствором полисульфона в N-метил-2-пирролидоне с последующим удалением растворителя. Собранный набор данных содержит более 600 результатов испытаний на растяжение, включая диаграммы нагрузка-деформация для различных условий испытаний, данные о механизмах разрушения образцов и изображения микроструктуры образцов в поперечном и продольном сечениях, полученные с помощью сканирующего электронного микроскопа (СЭМ). Этот набор данных будет полезен для разработки моделей машинного обучения.
Scientific data. 2026.
-
Глава в книге
-
Препринт
Контакты
109028, Москва, Покровский бульвар, д. 11, S-924